谁来控制蜂群？

世界已经在路上一天无数的自主汽车和无人驾驶飞机的嗡嗡声，洗牌的上班族工作和包门口。事实上，在工程师和风险资本家的圈子里有一个新的术语，他们希望看到那一天来得更早而不是更晚，他们称之为“群”。

但这一戏剧性的现实引发了一个尚未回答的关键问题：谁来控制蜂群？有人说控制权将被分配。每一辆汽车和每一台无人驾驶飞机都将是它自己的自我维持单位——单独意识到周围的环境，单独指示去哪里，并单独装备所有的计算能力，使之高效而无事故地穿越世界。

斯坦福大学的一组教师有不同的看法。他们认为，设备群将集中管理，使用大型数据中心运行的应用程序，就像云集中大数据。教师们在斯坦福建立了一个新的实验室，称为平台实验室，为这些新的“大控制”应用开发基础设施。

“我们认为所有这些自动驾驶汽车和无人机将控制不是单一的，而是集中，以协调的方式，”John Ousterhout说，“这对实验室有变化每天有社会功能潜在的系主任。”

而在自主车目前大多数研究假设一个分布式模型–相对独立的设备，在一个对等的方式以每台机器做自己的计算–集中控制模式有其优点，Ousterhout说。

首先是易于创建应用程序。为分布式模型编写应用程序是非常困难的，因为每个设备都有关于世界状态的有限信息。通过集中的方法，所有设备的数据都集中在一个地方。这提供了一个大的世界观，可以更好地控制更高级别的任务，如全系统的情景感知，决策和大规模的交通规划。

第二，控制应用程序运行在数据中心有更多的可用资源，如计算能力和后端大数据集。这允许他们为设备群实现更复杂的协作行为。此外，集中式应用程序可以利用强大的机器学习算法，使控制系统能够学习和改进其行为。

集中解决的分布式模型的另一个挑战是，设备本身的计算限制妨碍了整个系统的复杂性，这一问题随着规模的增加而变得越来越明显。随着新技术的出现，它们要么必须被改造成每一个设备，要么当旧设备过时时，必须更换设备——这是一个昂贵的提议。

在集中模式，汽车只是一种工具–配备设备，看到前面的路，天空的蠢笨的装置，来检测道路上的障碍和其他车辆，提供地理定位等等。收集的数据被转移到云计算和处理集体由更快的计算机能够处理跟踪那些数百万辆汽车的数学需求和计划方面的瓶颈和危害的有效和安全地引导乘客和包裹他们的许多目标。

“从技术的角度来看，它是有吸引力和容易集中控制–积累数据，计划再传播奇异景色的所有设备，”Ousterhout说。

然而，并非所有的功能都适合集中式模型。平台实验室预计，设备将保留本地控制，例如设备稳定性和近期避免碰撞。这种控制需要微秒或亚微秒的响应时间，必须发生在设备上。

一个集中的系统达到更方便的通勤的影响。灾难恢复是一个很好的例子。在地震、火灾或洪水毁坏的社区里，对人类第一反应者来说，它往往太危险了。在这种情况下，可以派出一群无人驾驶的无人驾驶飞机来评估情况，允许应急管理从远方分流。

另一个例子是一个巨大的仓库，10000个或更多的无人驾驶飞机在室内工作，在一个封闭的环境中，所有的人都被摄像机和传感器监视，每天监视、组织和移动数百万个包裹。

在所有关于集权的讨论中，仍然存在着一个迫在眉睫的问题：许多基础设施还不存在。计算和通信能力所需的范围是惊人的——GPS、地图、无线通信、态势感知和交通协调只是最明显的组成部分。

另一个挑战是提供非常低的和可预测的延迟的大量计算。这意味着利用新的机器学习和人工智能技术，以确保在没有数据推断的情况下快速规划和控制。

这没有阻止Ousterhout或Guru Parulkar实验室的执行主任和电气工程咨询教授。随着拼图的碎片仍在不断变化，任务是想象这种集中的未来可能如何运作，并确定哪些碎片存在，需要改进，还有哪些有待创建，以使其无缝地发挥功能。为此，他们正在铺设了平台架构的路线图，从应用程序将需要跟踪，管理交通，协调救灾和深入学习提供映射，自适应调度和数据收集工具。

更深层次的平台，实验室将像新的硬件加速器的需要，计算机管理多线程同时出现更好的方法，快速的数据存储和检索，提高集群调度需要执行大量计算的集中控制的需求。当然，安全问题将是一个非常重要的问题。大多数的这些东西都必须被创造出来，但是仅仅知道需要是实现愿景的第一步。

如果它有效，经济和社会后果将是深远的。Ousterhout和Parulkar点由联邦航空管理局和普华永道预计700万架无人机在经济活动中，驱动1270亿美元分别独立的研究，所有的一年2020。

集中视觉并非没有争议，但解决这些争论正是为什么创始人创造了行业领导者在创造个人自主汽车和无人机的分布式模型的假设下，路径好的实验室，Parulkar说有共识，在实验室大控制那种经验和意见一个伟大的需要，代表了一种新的应用程序，是令人兴奋的和不那么未来得不切实际类。“它是大的，但是这是可以实现的，”Parulkar说。